El efecto de la desnutrición crónica infantil sobre el desempeño educativo de los estudiantes peruanos de segundo de primaria

Citation preview

El efecto de la desnutrición crónica infantil sobre el desempeño educativo de los estudiantes peruanos de segundo de primaria

INFORME FINAL A1-PM Nac-T4-02-2015

Alvaro Monge Zegarra

Yohnny Campana Morales

Julio, 2017

0

Laís Grey Gutierrez

CONTENIDO 1. Introducción 2. Contexto: resultados educativos y nutrición 3. Revisión de la literatura 4. Metodología 5. Los datos 6. Resultados 7. Conclusiones y Recomendaciones 8. Plan de incidencia 9. Bibliografía

1

1. Introducción De acuerdo con los resultados de la prueba PISA del año 2015, el Perú sigue en el tramo inferior de la distribución del desempeño académico a nivel mundial. Estos resultados, medidos para la cohorte de estudiantes de 15 años se condicen con las pruebas estandarizadas aplicadas por el Ministerio de Educación tanto en segundo de primaria como en segundo de secundaria. Por ejemplo, respecto a las primeras se verifica que en el 2015 casi el 50% de los niños no muestran un rendimiento satisfactorio en comprensión lectora, cifra que supera el 70% en el caso de razonamiento matemático. En la secundaria la figura que muestran las pruebas no es más alentadora con menos del 20% de los adolescentes con desempeño satisfactorio en lectura y menos de 10% en matemáticas.

Sin embargo, paralelamente es posible verificar ciertas mejoras en los indicadores de rendimiento académico, sobre todo a partir del 2013. De acuerdo con los resultados de segundo de primaria, el porcentaje de niños que lograron un desempeño satisfactorio en las pruebas de comprensión lectora pasaron de alrededor de 30% en el año 2012 a casi 50% en el año 2015 y en el caso de razonamiento matemático el progreso fue de 13% a 27% entre los mismos años. Al desagregar estos resultados se observa que geográficamente los progresos han sido mayores en las zonas urbanas del país y particularmente importantes en las regiones de la sierra sur.

Existen múltiples hipótesis que se han planteado para explicar este resultado. La primera (y más difundida), tiene que ver con los determinantes asociados al servicio educativo. Es decir mejoras en la oferta ocurridas entre esos años vinculadas fundamentalmente a una expansión del gasto en educación. En efecto, entre 2012 y 2015 se reporta un aumento superior al 30% en el gasto real en educación por estudiante, sobre todo en educación inicial. Además, parte importante de este aumento presupuestal se asocia con progresos concretos en la calidad del servicio educativo: mejoras en la calidad del docente (producto de la introducción de prácticas meritocráticas y aumento remunerativo), mejoras en la infraestructura educativa, mejor y mayor disponibilidad de materiales educativos y material docente, entre otras.

2

La segunda (que ha recibido menor atención) tiene que ver con factores de demanda. Es decir, el progreso económico y social de las familias, reflejado en la disminución de la pobreza y en un mejor acceso a servicios dentro del hogar influyó en el aumento en el gasto familiar en educación y mejores condiciones para el aprendizaje. Por ejemplo, en el periodo en cuestión el gasto de las familias creció en más del 3.5% anual lo que posibilitó no solo una reducción de la pobreza de casi 30% en 2011 a casi 20% en 2015 sino una expansión del gasto familiar en educación de casi 0.5% en promedio cada año.

La tercera (casi dejada de lado), tiene que ver con determinantes previos a la etapa escolar y en particular con el stock de capital humano de los niños que entran al sistema educativo. Por ejemplo, se observa que el nivel de nutrición de los niños que entraron al colegio y cursaron el segundo de primaria a partir del año 2013 fue mejor que el observado en años previos. En particular, las cifras muestran que la incidencia de desnutrición crónica en esta cohorte se reduce en casi 10 puntos porcentuales repartidos casi equitativamente en la zona urbana como en la rural. Este progreso podría haber generado una mejor plataforma en términos de capital humano acumulado, sobre la cual el sistema educativo pudo operar de forma más eficaz. No se puede descartar a priori ninguna de las hipótesis mencionadas. Como se verá más adelante, existen bases conceptuales y empíricas sólidas para suponer que es una combinación de estas (y posiblemente otras más) las que sustentan el cambio de tendencia. Por ello, para un adecuado diseño de política pública se requiere un diagnóstico que explique las razones centrales en la mejora reciente de los indicadores educativos y permita extraer lecciones para profundizar o en el peor de los casos mantener la tendencia actual. La presente investigación es un primer intento por brindar respuestas complementarias en este sentido concentrándose en explorar la contribución de la nutrición infantil temprana en los rendimientos escolares en razonamiento verbal y matemático. Nos concentramos en este factor ya que, como se verá más adelante, es una relación empírica que a diferencia de las otras dos ha recibido escasa atención en la discusión académica local.

Los antecedentes cercanos de esta investigación son los estudios que usan modelos multinivel para explicar la variabilidad de los resultados académicos en pruebas estandarizadas. Al respecto, destacan Caro (2003), Carrasco (2007), Miranda (2008), Paredes (2015) y UMC (2015) quienes estudian los determinantes contemporáneos de oferta (factores asociados con la escuela o ambiente escolar) y demanda (factores asociados con las características del estudiante y sus familias) sobre el rendimiento 3

académico sin considerar (por lo menos de manera explícita) determinantes previos en el proceso de formación de capital humano. Quienes lo intentan son los estudios longitudinales de Cueto (2004) y Cueto y otros (2010) y el estudio de corte transversal de Junyent (2015). Sin embargo, por problemas disponibilidad de información, en el primer y tercer caso se incorpora la desnutrición contemporánea; y en el segundo caso si bien se incorpora la desnutrición rezagada la muestra utilizada se circunscribe a estudiantes de Puno (al igual que el primer caso que la muestra se circunscribe a Apurímac y Cuzco). Además, en los tres estudios no hay un tratamiento formal a la endogeneidad de la variable limitando la precisión de las estimaciones. Diferente es el caso de Outes y otros (2011) y Sanchez (2013) quienes proponen una relación empírica entre habilidad cognitiva y el nivel de nutrición en etapas tempranas del desarrollo. Para ello, usan como variable de resultado el desempeño de los niños en el Peabody Picture Vocabulary Test (PPVT). El balance de esta literatura, como se verá más adelante, arroja cierto predominio de los factores de demanda sobre los de oferta en la variabilidad de los rendimientos educativos y, cuando logra medirse, efectos de largo plazo asociados a variables antropométricas en etapas tempranas del desarrollo.

La pregunta central que la investigación intenta resolver está asociada con ahondar en esta última relación. En particular, analizar si la mejora en la nutrición ocurrida cuatro años antes ha influido en la mejora no solo de la habilidad cognitiva (que bien puede medirse a través de pruebas como PPVT) sino en los rendimientos educativos medidos mediante pruebas estandarizadas en la edad escolar. Para ello, estudiamos el periodo 2013 – 2015 y partimos de la hipótesis que la mejora en la nutrición experimentada en el pasado (fines de la década pasada y comienzos de esta) ha influido de manera positiva e importante en el cambio de tendencia en los indicadores de rendimiento académico observados en el presente (mediados de esta década). Como se muestra más adelante existe evidencia sólida a favor de la hipótesis por lo que concluimos que la sostenibilidad del progreso educativo depende críticamente de los progresos alcanzados en el desarrollo infantil temprano. A nivel de políticas públicas lo anterior nos permite recomendar la necesidad de aprovechar espacios de articulación entre las estrategias de salud y educación.

De este modo, el objetivo central del documento es generar evidencia sobre los factores que han incidido en la mejora de los indicadores de desempeño académico considerando aspectos asociados al stock nutricional previo de los niños y aislando la influencia de otros factores potencialmente explicativos (factores de oferta y demanda 4

contemporáneos). Asociado a este objetivo general, se desprenden tres objetivos específicos. Primero, medir el efecto individual de la nutrición infantil de manera diferenciada en los resultados de razonamiento matemático y verbal. Segundo, realizar ejercicios que permitan identificar heterogeneidades clave: género, grupo étnico, ámbito geográfico, nivel de rendimiento inicial o condiciones de oferta educativa. Tercero, sobre la base de los resultados anteriores extraer lecciones concretas sobre qué aspectos reforzar tanto a nivel de interno del sectores educación y salud, como explorar posibles espacios de articulación con otros sectores.

El valor agregado de la investigación se puede entender en tres niveles. Primero, contribuir con evidencia en una relación empírica poco explorada hasta el momento en el contexto peruano. Segundo, a diferencia de estudios recientes, se vincula directamente dos variables clave de política pública en el Perú: los resultados en las pruebas estandarizadas del MINEDU y la desnutrición crónica infantil. De este modo, se podrá medir el efecto de variables antropométricas medidas antes de la etapa escolar en el rendimiento educativo permitiendo verificar si las regularidades empíricas observadas a nivel internacional se replican en el contexto peruano. Tercero, puesto en un contexto analítico más amplio, la importancia relativa de esta variable sobre el rendimiento académico será utilizada para argumentar y explorar espacios de articulación entre las políticas de salud infantil y neonatal con políticas educativas.

A nivel metodológico, la investigación utiliza una formulación de función de producción o acumulación de capital humano según lo planteado en Glewwe y Miguel (2008) y Cunha y Heckman (2007 y 2008) y usada entes en el contexto peruano por Outes y otros (2011) y Sanchez (2013). Además, siguiendo a estos autores reconocemos la simultaneidad entre nutrición y rendimiento académico por lo que nuestra estimación central sigue un enfoque de variables instrumentales diseñado para lidiar con este problema. Finalmente, dada la ausencia de información longitudinal, se implementa un procedimiento que enlaza la Encuesta Nacional de Hogares (módulo antropométrico) con la Evaluación Censal de Estudiantes y el Censo Escolar en una base de datos única con vinculación a nivel de individuo. Esta base de datos generada (que es un valor agregado en sí mismo) se pone a disposición de la academia lo que permitirá ampliar las preguntas de investigación asociadas al rendimiento educacional.

El documento se estructura de la siguiente forma. En la segunda sección se documenta la evolución reciente de las variables educativas y nutricionales con el objetivo de 5

sustentar la hipótesis de interés y motivar la discusión. En la tercera sección se presenta la revisión de la literatura con el objetivo de identificar las regularidades empíricas que surgen a partir de la investigación internacional y se contrasta con la menos extensa oferta académica local. Esta sección debería permitir ubicar el documento respecto a sus antecedentes inmediatos. En la cuarta sección se discute la metodología y en la quinta sección los datos. Para ello, se presentan las bases utilizadas: la Encuesta Nacional de Hogares (ENAHO), la Evaluación Censal de Estudiantes (ECE) y el Censo Escolar (CE). Asimismo, se describe la estrategia de enlace realizada. En la sexta sección se presentan los principales resultados y en la séptima sección las conclusiones y recomendaciones de política pública del estudio. Finalmente, la octava sección reporta la estrategia de incidencia del documento. 2. Contexto: resultados educativos y nutrición La variable de interés de la investigación son los resultados educativos de los niños que cursan el segundo de primaria en las escuelas urbanas y rurales consideradas en la Evaluación Censal de Estudiantes del Ministerio de Educación (MINEDU). En el gráfico 1 se muestra la evolución reciente de la proporción de niños con un nivel satisfactorio en el área de comprensión de lectura y razonamiento matemático. Se observa que los resultados de la primera variable son siempre mayores a los de segunda, que la brecha entre ambas se ha ido ampliando en el tiempo y que los cambios de tendencia en lectura no son solo más pronunciados que en matemáticas sino tienen a ocurrir uno a dos años después que estos. Gráfico 1. Comprensión lectora y razonamiento matemático, 2008-2015 (% de alumnos de 2° de primaria que alcanzan un nivel satisfactorio) 60% 50% 50%

43%

40% 30% 20%

31%

29%

30%

14%

14%

13%

13%

2009

2010

2011

2012

33%

23% 17%

26%

27%

2014

2015

17%

9% 10% 0% 2008

Comprensión lectora

2013

Razonamiento matemático

Fuente: Evaluación Censal de Estudiantes – MINEDU Elaboración propia

6

La evolución del resultado de comprensión de lectura muestra un crecimiento constante desde el 2008 hasta el 2015 con dos cambios de tendencia. El primero en el 2010 hacia la desaceleración y el segundo en el 2013 hacia la aceleración. Concretamente, se observan tres momentos en el tiempo: entre 2008 y 2010 donde la proporción de niños con aprendizajes adecuados pasó de 17% a 29%, entre 2010 y 2013 donde esta proporción crece ligeramente hasta 33%, y entre 2013 y 2015 donde ocurre el mayor salto hasta 50%. La evolución del resultado en razonamiento matemático más bien muestra cuatro momentos: entre 2008 y 2009 donde la proporción de niños con aprendizaje adecuado crece desde 9% a 14%, entre 2009 y 2012 donde se registra una ligera caída hasta 13%, entre 2012 y 2014 donde ocurre el aumento más importante hasta 26%, y entre 2014 y 2015 donde el crecimiento pareciera estabilizarse. Como se verá más adelante, la base de datos disponible registra los resultados entre el 2013 y el 2015 por lo que son los últimos (y más pronunciados) cambios de tendencia experimentados los que se intentan explicar. Es decir, el aumento de casi 20 puntos en comprensión lectura y el aumento de casi 10 puntos en razonamiento matemático. En la tabla 1 se muestran los resultados desagregados de este último cambio de tendencia. Por ejemplo, se nota que las mujeres muestran un mejor desempeño que los hombres en comprensión de lectura, situación que contrasta con el desempeño en razonamiento matemático donde son los hombres los que presentan mejores resultados. Sin embargo, mientras que la brecha hombre-mujer se ha acortado en matemáticas, en lenguaje esta ha permanecido prácticamente invariante. En otras palabras, el desempeño entre niños y niñas en lenguaje parecería haber sido similar, mientras que estas últimas habrían tenido un mejor desempeño en matemáticas en el periodo bajo análisis. Por área geográfica de residencia de la familia el comportamiento entre lenguaje y matemáticas es similar. En ambos casos se registra una brecha a favor de las áreas urbanas frente a las rurales y un progreso mayor en las primeras frente a las últimas. Es decir, el desempeño educativo en las ciudades no solo es mayor, sino que en el crecimiento experimentado entre 2013 y 2015 ha estado sesgado hacia estas localidades. Finalmente por tipo de gestión, la brecha tanto en lenguaje como matemáticas ocurre a favor de la educación privada, pero el crecimiento (nuevamente en ambos casos) es a favor de la educación pública.

A nivel regional lo primero que se nota es que todas las regiones progresan en el periodo analizado, pero hay contrastes en la magnitud del avance mostrado. Para facilitar la 7

lectura en la tabla se ha dividido los cambios en la proporción de niños con nivel satisfactorio en terciles, pintando de verde los que muestran los avances mayores, en amarillo los intermedios y en rojo los menores. El nivel de coincidencias entre comprensión de lectura y razonamiento matemático es en general alto. Excluyendo a Lima Metropolitana y el Callao, los más altos rendimientos se concentran en los departamentos de la costa sur: Moquegua, Tacna, Arequipa (sobre todo en comprensión de lectura) e Ica (sobre todo en matemáticas). Sin embargo, si nos centramos en los progresos en el periodo de análisis observamos que a nivel individual destaca Ayacucho que es la región que más progresa entre 2013 y 2015 en ambos indicadores, siendo otros casos destacables Puno, Callao, Cusco (sobre todo en lectura) y Piura (sobre todo en matemáticas). Mientras tanto, en el tramo inferior de la distribución se encuentra la selva (Loreto y Ucayali) y los menores avances se identifican en San Martin, Moquegua, Loreto (sobre todo en lectura) y Ucayali (sobre todo en matemáticas).

8

Tabla 1. Comprensión lectora y razonamiento matemático según sexo, área, tipo de gestión y región: 2013-2015 (% de alumnos de 2° de primaria que alcanzan un nivel satisfactorio) Comprensión de Lectura

Razonamiento matemático

2013

2014

2015

2013

2014

2015

PERÚ Sexo Femenino Masculino Área Urbana Rural Gestión Pública Privada Región Amazonas Ancash Apurímac Arequipa Ayacucho

33.0

43.5

49.8

16.8

25.9

26.6

35.1 30.9

45.6 41.4

52.5 47.2

14.7 18.9

23.6 28.2

25.9 27.3

38.5 10.4

49.7 16.7

55.1 18.5

19.4 6.5

28.9 13.1

29.1 12.3

27.6 47.3

38.1 57.4

45.1 61.3

15.8 19.6

25.7 26.4

27.5 24.6

27.5 23.5 19.6 47.4 21.8

39.3 34.0 31.1 61.0 34.6

43.1 43.3 36.2 65.2 48.3

15.5 19.8 16.5 17.8 26.5

23.8 10.9 9.5 21.5 10.1

35.1 17.8 20.8 32.9 25.6

32.0 24.6 17.6 31.8 30.1

8.2 13.7 8.1 10.4 20.0

Cajamarca

23.3

31.6

37.1

13.8

13.5

23.4

26.0

12.5

Callao

41.2

57.6

64.7

23.5

18.9

31.9

35.1

16.2

Cusco

25.5

36.4

48.8

23.2

14.5

24.5

27.7

13.2

Huancavelica

17.3

28.7

36.1

18.7

9.7

21.0

22.9

13.1

Huánuco

17.0

26.4

31.9

14.9

8.4

16.0

17.2

8.8

Ica

37.2

49.2

58.2

20.9

21.3

32.2

34.6

13.3

Junín

34.4

44.4

51.7

17.3

19.2

30.1

32.2

13.0

La Libertad

31.9

38.4

42.5

10.6

16.0

21.8

23.2

7.2

Lambayeque

31.4

43.1

46.6

15.2

11.8

22.7

21.9

10.0

Lima Metropolitana

46.4

55.8

61.2

14.9

23.3

31.3

29.0

5.7

Lima Provincias

36.2

45.9

54.3

18.1

18.1

24.6

27.8

9.7

7.6

13.2

18.1

10.5

1.9

4.8

5.8

3.9

Madre de Dios

17.7

33.6

40.0

22.3

5.4

17.1

17.6

12.2

Moquegua

63.7

69.1

73.9

10.2

43.3

52.7

45.0

1.8

Pasco

31.1

43.2

46.9

15.8

18.4

32.0

29.7

11.3

Piura

30.3

47.6

51.8

21.5

16.5

29.7

31.8

15.3

Puno

25.2

42.4

50.6

25.4

16.3

30.2

32.8

16.4

San Martín

26.7

35.7

36.7

10.0

14.0

22.1

19.8

5.8

Tacna

60.3

67.3

78.1

17.8

40.9

51.0

53.5

12.6

Tumbes

27.5

38.9

43.3

15.8

12.4

17.4

21.9

9.4

Ucayali

16.8

21.8

29.0

12.2

5.1

7.8

10.3

5.1

Loreto

Fuente: Evaluación Censal de Estudiantes – MINEDU Elaboración propia

Respecto al desempeño nutricional, en el gráfico 2 se muestra el porcentaje de niños menores de 5 años con insuficiente talla para la edad según el patrón de la OMS. El indicador se presenta desde el año 2000 y permite observar que la condición de desnutrición crónica infantil también ha mostrado una mejora persistente en los últimos años. Desde niveles superiores al 30% en el año 2000, el indicador se reduce a poco menos del 15% en el 2015. Sin embargo, tal como ha pasado en el caso de los rendimientos educativos, la reducción ha sido irregular. Es posible identificar dos periodos. El primero, entre el año 2000 y el 2008, donde la reducción es pequeña siendo la caída de apenas alrededor de 3 puntos porcentuales en ocho años. El segundo, entre

9

el 2008 y el 2015, donde ocurre un importante cambio de tendencia que redunda en una reducción de 14 puntos porcentuales en siete años. Gráfico 2. Desnutrición crónica infantil, 2000-2015 (% de niños menores de 5 años con una talla menor a la esperada para su edad según el patrón de la OMS.) 32% 28% 24% 20% 16% 12% 8% 4% 0% 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Fuente: Encuesta de Demografía y Salud Familiar – ENDES, INEI Elaboración propia

Justamente, es alrededor del periodo 2008 – 2012 (donde la pendiente es más inclinada) el que nos interesa analizar. Los resultados de ese quinquenio reflejarían el nivel nutricional en el periodo infantil temprano de la cohorte que rindió posteriormente, en el periodo 2012 – 2015, las pruebas del MINEDU en segundo de primaria. De esta forma el quiebre de la serie de nutrición pareciera coincidir con el quiebre de los resultados de las pruebas del MINEDU. El ejercicio se presenta en el gráfico 3. Para ello, se compara la serie de rendimientos educativos con el indicador nutricional (reconstruido a partir de medias móviles y rezagando 4 años). Asimismo, se incluye como indicador aproximado de las condiciones de oferta y demanda contemporáneas el gasto público (oferta) y familiar (demanda) per-cápita promedio en educación primaria. La coincidencia en los quiebres experimentados entre los resultados de la ECE y la DCI (incluso más evidente que con las condiciones de oferta y demanda usadas en este análisis) permite al menos sugerir la hipótesis de que parte de las mejoras recientes en los resultados académicos se deba a que cuatro años antes, mejoró la desnutrición.

10

Gráfico 3. Desnutrición crónica infantil, rendimientos académicos, gasto público y gasto familiar: 2008 - 2015 (Índices 2008 = 100) 300

250

200

150

100

50

0 2008

2009

2010

2011

2012

2013

2014

2015

Comprensión lectora Razonamiento matemático DCI imputada y rezagada Gasto público en educación primaria por alumno matriculado (S/ reales) Gasto familiar en educación primaria por niño que asiste a la primaria (S/ reales)

Fuente: Evaluación Censal de Estudiantes – MINEDU, Encuesta de Demografía y Salud Familiar (ENDES) – INEI, Encuesta Nacional de Hogares (ENAHO) – INEI y Ministerio de Economía y Finanzas. Elaboración propia

En la tabla 2 se explora el indicador de desnutrición en el periodo de interés por subgrupos poblacionales. Se observa que al año 2012 la incidencia de desnutrición infantil fue mayor en las zonas rurales que en las urbanas. La tasa de las primeras fue casi el triple de las segundas, brecha que se ha reducido ligeramente en el periodo analizado. Según cohorte, la incidencia entre niños menores de 3 años y niños mayores de 3 fue casi similar, con una ligera ventaja en el grupo de mayor edad. Sin embargo esta no era la situación 3 años antes cuando la ligera ventaja estaba a favor del grupo más joven. Según género, los niños presentaron un nivel de desnutrición mayor frente a las niñas en 2012 y a su vez son los que mejor desempeño mostraron entre 2009 y 2012.

11

Tabla 2. Desnutrición crónica infantil según sexo, área, tipo de gestión y región: 20092012 (% de niños menores de 5 años con una talla menor a la esperada para su edad según el patrón de la OMS.) 2009

2010

2011

2012

23.8%

23.2%

19.5%

18.1%

Urbano

14.2%

14.1%

10.1%

10.5%

Rural

40.3%

38.8%

37.0%

31.9%

Menor de 3 años

23.2%

23.3%

19.6%

18.3%

Mayor de 3 años

24.7%

23.1%

19.5%

17.7%

Hombre

24.7%

25.1%

20.1%

18.5%

Mujer

22.0%

21.4%

18.9%

17.7%

Amazonas

26.8%

25.2%

27.5%

29.2%

###

Ancash

28.2%

28.6%

27.0%

24.7%

###

Apurimac

34.8%

38.6%

39.3%

32.2%

###

Arequipa

12.2%

12.3%

9.0%

7.3%

###

Ayacucho

41.4%

38.8%

35.3%

29.5%

###

Cusco

38.4%

35.4%

29.9%

24.3%

###

Huancavelica

53.6%

54.6%

54.2%

50.2%

###

Huánuco

39.2%

37.4%

34.3%

30.9%

###

Ica

10.3%

10.3%

8.9%

7.7%

###

Junín

33.7%

30.4%

26.7%

24.4%

###

La Libertad

27.2%

26.1%

23.2%

21.0%

###

Lambayeque

18.2%

17.8%

16.2%

14.0%

###

Lima

8.6%

8.9%

8.0%

6.3%

###

Loreto

29.1%

31.0%

34.2%

32.3%

###

Madre de Dios

12.5%

11.9%

11.9%

12.1%

###

Moquegua

5.1%

5.7%

5.7%

4.4%

###

Pasco

38.4%

32.6%

24.8%

26.0%

###

Piura

23.0%

22.9%

20.9%

21.7%

###

Puno

27.3%

25.5%

21.5%

20.0%

###

San Martín

28.2%

26.8%

22.8%

16.8%

###

Tacna

2.1%

3.0%

3.7%

3.1%

###

Tumbes

13.5%

12.8%

11.0%

10.1%

###

Ucayali

29.9%

31.6%

31.4%

24.7%

###

Perú Área

Edad en meses

Sexo

Departamento

Fuente: Encuesta de Demografía y Salud Familiar – ENDES, INEI Elaboración propia

Finalmente, a nivel regional y sin considerar Lima la menor incidencia de desnutrición al 2012 se registró en los departamentos de la costa sur (Ica, Arequipa, Moquegua y Tacna), lo que coincide con los resultados de desempeño educativo, aunque las mayores tasas se registraron en Huancavelica, seguido (de lejos) por Apurímac, Loreto y Huánuco. En términos de los cambios experimentados en el periodo se muestra un ejercicio por terciles similar al anterior. Se observa que los mayores progresos se han concentrado en Cusco, Pasco y Ayacucho; mientras que los retrocesos en el indicador se registran en Loreto, Amazonas y Tacna. Es interesante notar que Ayacucho y Cusco también son departamentos con un avance destacable en los indicadores de 12

rendimiento (tanto en comprensión de lectura como razonamiento matemático) como se mostró anteriormente, mientras Loreto había mostrado progresos bajos, por lo menos en comprensión de lectura.

3. Revisión de la Literatura El interés por entender los factores que afectan el rendimiento educativo de los jóvenes y niños tiene una larga tradición en la literatura especializada. Desde la publicación del Reporte Coleman (Coleman y otros, 1966), que sugirió la idea que diferencias en la oferta educativa no generaban diferencias en los resultados académicos de los estudiantes, muchos investigadores han debatido (y criticado) las conclusiones (y métodos de investigación) de este estudio seminal (Hanushek y Kain, 1972; Hanushek, 1996 y 2003; Greenwald y otros, 1996 y Weglinsky, 2001). La principal crítica al estudio de Coleman, como recuerda Paredes (2015), es que para los autores el vínculo entre los insumos (educativos y no educativos) y los productos (rendimiento escolar) es una caja negra que no repara en el proceso educativo o en el contexto en el ocurre dicho proceso. Esto motivó a otros autores, entre ellos Creemers (1994), a profundizar la relación insumo-producto de Coleman y proponer esquemas multinivel jerarquizados donde el resultado académico se produce a partir de la interacción entre las características del alumno, el aula, la escuela y el contexto. El objetivo como menciona Cueto (2004) citando a Báez (1994) es identificar factores alterables desde la política pública que permitan construir escuelas eficaces capaces de reducir las inequidades sociodemográficas de origen.

De modo similar, aunque desde una perspectiva económica de optimización del bienestar Rivkin y otros (2005), Gleewe y Miguel (2008) y Hanushek y Woebman (2007), proponen modelos teóricos basados en la función de producción del proceso de aprendizaje del estudiante. Bajo distintos supuestos en la formación de las preferencias individuales, los autores identifican que el rendimiento académico de los alumnos depende críticamente de variables relacionadas con la escuela, los docentes, los alumnos, sus familias y un conjunto de insumos educativos complementarios. La flexibilidad de las formas reducidas derivadas de este marco conceptual ha permitido a diversos autores extender y modificar las formulaciones en distintas direcciones incluyendo infraestructura educativa, equipamiento, material pedagógico, capacitación docente, años de escolaridad del niño, rendimiento educativo previo, condiciones de salud, condiciones socioeconómicas de las familias, entre otros. 13

En Cueto (2007), Beltrán y Seinfeld (2011) y Paredes (2015) se pueden revisar referencias asociadas a este tipo de ejercicios, siendo posible ordenarlas como proponen Beltrán y Seinfeld (2011) entre aquellas vinculadas a la demanda por el servicio educativo (variables de alumnos y sus familias) y aquellas vinculadas a la oferta (variables asociadas a la escuela y los docentes). De este modo, lo que el informe Coleman implicaba es que las diferencias entre los rendimientos de los alumnos son fundamentalmente explicadas por factores de demanda. Evidencia en contra de estos hallazgos se encuentra en Schiefelbein y Farrel (1973) y posteriormente en Banco Mundial (1999), donde se muestra que en países en desarrollo la importancia de los factores de oferta son determinantes críticos del progreso educativo. Similar conclusión es la que permiten los resultados de Brunner y Elacqua (2004) para una muestra de países en desarrollo; Lai y otros (2009) para escuelas en China; Bhorat y Oosthuizen (2008) y Maphoso y Mahlo (2014) en Sudáfrica; Dufló y otros (2006) en India; Galiani y Berlinski (2005), Skoufias y Shapiro (2006) y Murillo y Román (2011) para diferentes países en América Latina.

En el caso peruano también es posible encontrar algunas regularidades. Un esfuerzo importante es el de Cueto (2007) quien analiza 22 estudios que usan información de la Evaluación Censal de Estudiantes entre 1996 y 2001. El autor encuentra que entre los factores de demanda que más influyen en el rendimiento académico destacan el género (a partir de la cual se observa que ser hombre afecta positivamente los resultados en matemáticas), la extra-edad o repitencia y el trabajo infantil (ambas reducen los rendimientos estudiantiles) o la condición de indígena (que es crítica para resultados en matemática). Además, se muestran aspectos que favorecen la educación como las actitudes y hábitos de los estudiantes, la expectativa de los padres y el nivel socioeconómico de las familias. Respecto a la oferta, destacan el nivel socioeconómico medio de la escuela, los recursos educativos (sobre todo en comunicaciones), los procesos educativos y el dominio que tengan los docentes de las materias.

Sin embargo, como comentan Cueto (2004) y Cueto y otros (2010) es difícil generalizar los resultados ya que los factores que inciden en el rendimiento escolar tienden a ser específicos respecto de los contextos en los cuales se evalúa, los resultados que se miden (razonamiento verbal o matemáticas) e incluso diferentes si es que se miden en una etapa temprana del proceso de formación escolar o una etapa tardía. Similares argumentos se desprenden de los hallazgos de Jacoby y otros (1999) y Rumberger y Palardy (2005). 14

Posteriormente, Rodriguez (2012) hace una revisión similar de estudios previos. Sobre la base del análisis de Benavides y Rodriguez (2006) y usando los resultados de UMC (2005) el autor concluye que las variables de demanda explican una proporción importante de las diferencias entre los resultados académicos (entre el 40% y 60%), mientras que las características de oferta, el resto. Sin embargo, el hallazgo importante es que dentro de estas características de oferta, aquellas variables escolares o educativas (es decir, diferentes a ubicación geográfica, tipo de gestión, etc.) como la infraestructura, recursos, equipamiento o calidad docente; explican una proporción menor. De acuerdo con el autor, menos del 5% en promedio. Estos resultados (por lo menos en orden de magnitud) son similares a los mostrados por Caro (2003), Carrasco (2007), Miranda (2008), Valderrama y Salgado (2010), UMC (2013) y Paredes (2015), lo que podría significar que el espacio limitado para políticas únicamente diseñadas desde el sector educación (Caro, 2003) o que la escuela se estaría constituyendo como un ente reproductor de desigualdades (Carrasco, 2007). Lo anterior ocurre además en un contexto donde existiría cierta persistencia en los resultados académicos. Tal como demuestra Cueto (2004), Cueto y otros (2010) y Beltrán y Seinfeld (2011) el efecto de los resultados académicos pasados tienden a ser predictores importantes de los rendimientos futuros.

A pesar del reducido impacto, Benavides y Rodriguez (2006), Vegas y Paredes (2015) y UMC (2015) creen que hay espacio de acción sobre los factores escolares que le permitirían a la política educativa recuperar su rol en la compensación de inequidades. Los autores señalan como medidas prioritarias ampliar la cobertura de educación inicial y secundaria rural, programa de involucramiento de familias en la educación, mejorar los

sistemas

de remuneración

docente,

formación

y capacitación

docente,

perfeccionamiento curricular asociado a sistemas de monitoreo, infraestructura básica y mejoras de gestión a lo largo de la estructura institucional. Si bien existe poca evidencia formal sobre los impactos de estos factores de forma individual, es posible encontrar evidencia a favor de forma recurrente al menos en mejoras de la infraestructura, equipamiento escolar y servicios básicos (Beltrán y Seinfeld, 2011; Campana y otros, 2014; Ponce de Leon y Alarcón, 2014; Paredes, 2015; Manrique y otros, 2016) y capacitación docente (Valderrama y Salgado, 2010; Rodriguez y otros; 2016). Además, como la mayoría de autores sustenta, dichas medidas no pueden obviar acciones complementarias que incidan sobre los factores contemporáneos de demanda y afecten

15

directamente el nivel de vida de las personas (por ejemplo a través de proyectos o programas sociales).

Sin embargo, la política pública cometería un error si es que circunscribe su acción a los factores contemporáneos. Por el contrario, como sostienen Kingdom y Monk (2010) políticas que ocurren en el ámbito de la salud pueden generar retornos importantes sobre los resultados educativos. En particular las autoras se refieren al estatus nutricional de los niños en la etapa infantil temprana. De este modo, no son solo los factores de oferta y demanda contemporáneos los que importan, sino los factores previos que revelan la acumulación de capital humano de los niños. Por ello, no es de sorprender que tanto el Banco Mundial, la Organización de las Naciones Unidad para la Alimentación y la Agricultura (FAO) y la Organización Mundial de la Salud (OMS) hayan reconocido el rol central de la nutrición infantil en el proceso de desarrollo humano (FAO y OMS, 2014) y en particular en los resultados educativos obtenidos (Banco Mundial, 2007).

Los efectos de la nutrición temprana en el desempeño futuro de los niños en la escuela es un hecho estilizado en la literatura especializada. Desde una perspectiva médica, Growden y Wurtman (1980) sugieren que el cerebro no puede ser visto como un órgano autónomo. Por el contrario, su desarrollo es interdependiente del proceso metabólico de la persona y depende de la nutrición desde edades muy tempranas. En efecto, el cerebro infantil durante los primeros tres años de vida está en un proceso de rápido desarrollo a partir de la generación del tejido neuronal y cualquier interrupción, por ejemplo, por un inadecuado consumo de nutrientes (Massey-Stokes, 2002; Erikson, 2006) tendrá efectos de largo plazo tanto en las habilidades cognitivas de los niños (Glewwe y otros, 2001; Alderman y otros, 2006; Orazem y otros, 2007; Shrestha y Pathak, 2012; Brauw y otros, 2012) y no cognitivas (Grantham-McGregor y otros, 1999; Chang y otros, 2002; Anderson y Kesner, 2003) limitando su desempeño intelectual futuro (Taras, 2005; Kar y otros, 2008; Lacour y Tissington, 2011; Chinyoka, 2014).

Del mismo modo, desde una perspectiva económica es posible fundamentar una relación de causalidad entre nutrición temprana y desempeño académico. Por ejemplo, Glewwe y Miguel (2008) y Cunha y Heckman (2007 y 2008) lo hacen a través de modelos de acumulación de capital humano asumiendo que como parte de una función de producción estructural, la nutrición temprana es un insumo en el desarrollo cognitivo del ser humano. Los canales de transmisión de esta relación son múltiples. Por ejemplo, 16

Glewwe y Jacoby (1995) y Kingdom y Monk (2010) explican que además de los factores asociados a la formación del cerebro y su impacto en la habilidad cognitiva, niños desnutridos son más susceptibles a enfermedades y por lo tanto a ausentismo comprometiendo su desempeño en el aula o incluso asistiendo tendrán menos energía para atender la clase o hacer la tarea. Asimismo, Brown y otros (2008) muestran que niños con problemas de nutrición tienen a presentar problemas de conducta lo que afecta su capacidad de concentración y desempeño en el aula. Finalmente, Jukes y otros (2002) comenta que niños con bajo peso o talla para la edad también tienden a ser inscritos en el colegio tardíamente y hacen que los padres tengan pocas expectativas sobre su desempeño escolar.

La evidencia empírica sustenta la existencia de esta relación. Los hallazgos de Grantham-McGregor y otros (1991), Pollit y otros (1993), Grantham-McGregor (1995), Grantham-McGregor y Baker (2005), Alderman y otros (2006), Kingdom y Monk (2010), Luo y otros (2012), Crosby y otros (2013) muestran que para países en vías de desarrollo existe al menos una correlación clara entre bajos niveles de nutrición temprana y resultados académicos pobres en la niñez o adolescencia. Asimismo, como mencionan Ghosh y Saha (2013) esta correlación positiva se mantiene incluso incluyendo determinantes sociodemográficos adicionales.

En el caso peruano, la evidencia es más limitada. El estudio pionero es el de Cueto (2004) que presenta un estudio de caso para estudiantes en 20 escuelas de Apurímac y Cusco. El autor usa un diseño longitudinal con el objetivo de vincular los resultados educativos (usando pruebas ad-hoc) de los niños de 6to de primaria y 1ro de secundaria con aquellos obtenidos por estos mismos niños cuando cursaban el 4to de primaria. Sin embargo, como parte de las variables explicativas del modelo se incluye la nutrición contemporánea. Los resultados muestran que la desnutrición no tiene un efecto significativo en las pruebas de lectura y matemáticas y relativamente bajo en la probabilidad de desertar. La explicación detrás del hallazgo, como refiere el autor, es la relativa homogeneidad de la muestra asociada a este factor lo que puede oscurecer las conclusiones. Diferente es el caso de Cueto y otros (2010) quienes encuentran un efecto positivo y significativo del nivel nutricional en comprensión lectora. La muestra utilizada en este caso es de alumno de 5to de secundaria en 29 escuelas de Puno y a diferencia del estudio anterior la variable nutricional no era un valor contemporáneo sino aquella obtenida por los mismos alumnos a los 10 años.

17

Junyent (2015) amplía el espectro de análisis a 14 regiones del Perú a partir de la información compilada en la base de datos de Niños del Milenio. El objetivo del documento, nuevamente, no es el tratamiento particular de la desnutrición en el rendimiento académico, pero si es una variable (medida contemporáneamente) que implementa la autora para predecir la comprensión de textos orales y escritos en niños entre 4 y 8 años. Esta habilidad se mide a partir de los resultados del PPVT (test Peabody de vocabulario en imágenes) y EGRA (prueba diagnóstica de lectura inicial). Los resultados indican que el aumento de una desviación estándar en el puntaje z de talla para la edad aumenta en 0.1 desviaciones estándar los resultados en la prueba de vocabulario, mientras que los resultados no son significativos en las pruebas de lectura sea para texto oral o escrito.

Sin embargo, como se comentó, los ejercicios desarrollados por estos estudios al no ser desarrollados de manera específica para estudiar la variable nutricional adolecen de un tratamiento formal de sus potenciales problemas de endogeneidad. Como mencionan Behrman (1996) y Kingdom y Monk (2010) existen problemas de simultaneidad asociados a la estimación del efecto de la nutrición en los rendimientos escolares en la medida que ambas variables no son determinadas aleatoriamente sino que parte de un proceso de optimización de las familias. Es decir, es posible que los parámetros estimados estén sesgados y las conclusiones a las que arriban los autores citados, por lo menos, incompletas.

Quienes hacen un tratamiento adecuado de estos problemas de estimación son Outes y otros (2011) y Sanchez (2013), donde los resultados tienden a ser más auspiciosos sobre todo aquellos que estiman los efectos de la nutrición temprana. En el primer caso los autores estiman una función de producción educativa que depende de la nutrición contemporánea sobre una muestra de niños entre 4 y 6 años y corrigen el problema de endogeneidad incluyendo efectos fijos a nivel de familias y a través de una estimación por variables instrumentales (usando shocks exógenos en la etapa infantil temprana). La variable de impacto estudiada son los resultados en la prueba Peabody y encuentran que una innovación equivalente a una desviación estándar en el indicador z de talla para la edad incrementa el resultado del test entre 0.17 y 0.21 de una desviación estándar.

En el segundo caso, el autor implementa una metodología similar aunque con la ayuda de datos longitudinales puede incluir como regresor la nutrición previa, aunque al costo de obviar los efectos fijos familiares. Específicamente se estudia el efecto del indicador 18

z de talla para la edad de los niños sobre los resultados del test Peabody y el test de Raven. Se presentan diferentes ejercicios en los que se vinculan los resultados de educativos de las cohortes 14 – 15 años, 11 – 12 años, 7 – 8 años y 4- 5 años, con los resultados nutricionales de las cohorte 11 – 12 años, 7 – 8 años, 4 – 5 años y 1 – 2 años, respectivamente. Los resultados obtenidos para el Perú (se incluyen otros países en la estimación) arrojan que se identifican efectos positivos y significativos para los indicadores de nutrición temprana (menores de 5 años). La magnitud del efecto encontrado varía entre las 0.12 y 0.14 desviaciones estándar de incremento en el resultado de la prueba cognitiva por cada innovación de una desviación estándar del indicador nutricional. Sin embargo, el autor además señala efectos indirectos adicionales asociados al impacto positivo de la nutrición sobre las habilidades socioemocionales que contribuirían positivamente en los resultados del test. Este último componente es estudiado en detalle por Dercon y Sanchez (2011).

Puesto de esta manera, es más clara la ubicación de la investigación que se presenta en la literatura nacional reciente. Primero, a nivel metodológico sigue la línea de Sanchez (2013) dándole un tratamiento específico a la relación entre nutrición temprana dentro de la función de producción educativa. Segundo, a diferencia de los estudios anteriores se reemplaza los resultados de las pruebas de desempeño cognitivo (tipo Peabody test) por resultados académicos en pruebas estandarizadas en niños de 2do de primaria administradas por el Ministerio de Educación. Con ello, se logra vincular dos variables de política pública claves: nutrición y rendimiento aprovechando la construcción de bases de datos adecuadas a nivel nacional.

4. Metodología La estrategia es estimar una función de producción empírica de educación a nivel de estudiantes, la cual vincula variables de resultado educativo con un conjunto de insumos, algunos directamente controlables por el hacedor de política (condiciones de la oferta) y otros no controlables asociados a las características de las familias y/o las dotaciones iniciales de los alumnos (como la nutrición). La especificación empírica que particularmente utilizamos es: ′ 𝑅𝑖𝑡 = 𝑎 + 𝐻𝐼𝑖𝑡′ 𝜃1 + 𝑆𝐼𝑖𝑡′ 𝜃2 + 𝑁𝑖𝑡−1 𝜆 + 𝐴𝑡 + Γ𝑡 + Δt + 𝑒𝑖𝑡

(1)

donde 𝑅𝑖𝑡 es el resultado en la prueba ECE, 𝐻𝐼 representa características propias de los hogares o los estudiantes que pueden estar potencialmente correlacionadas con 𝑅𝑖𝑡 , 19

𝑆𝐼 son los recursos educativos que el estudiante recibe en el colegio e incluye la infraestructura educativa, los materiales educativos y las características de los docentes; 𝑁 es el estado nutricional del estudiante; 𝐴𝑡 son dummies que indican el año de nacimiento del niño; Γ𝑡 son dummies que indican el año de medición de la CENAN y Δt son dummies que denotan el año de medición de la ECE. Los parámetros 𝛽, 𝜃1 , 𝜃2 , 𝜆 indican la contribución de cada factor sobre el resultado educativo, siendo este último el de interés en el presente estudio. La especificación (1) permite estimar resultados generales. Sin embargo, nos interesan algunos niveles de heterogeneidad, como la influencia diferenciada de la nutrición en espacios urbanos y rurales, entre varones y mujeres, o incluso entre centros educativos que tienen mejor dotación de infraestructura. Por ello, partiendo de la especificación (1), adoptamos la siguiente forma flexible: ′ 𝑅𝑖𝑡 = 𝑎 + 𝐻𝐼𝑖𝑡′ 𝜃1 + 𝑆𝐼𝑖𝑡′ 𝜃2 + ∑𝐾 𝑘=1 𝐷𝑘 × 𝑁𝑖𝑡−1 𝜆𝑘 + 𝐴𝑡 + Γ𝑡 + Δt + 𝑒𝑖𝑡

(2)

En este caso, 𝐷𝑘 son dummies que se activan para cada categoría de la dimensión de heterogeneidad a analizar. En el estudio, el parámetro de interés es el asociado al estatus nutricional en el período de la infancia temprana, 𝑵′𝒊𝒕−𝟏 , pero es muy probable que esta variable se encuentre correlacionada con variables no observables en 𝒆𝒊𝒕 , conduciendo a que las especificaciones anteriores arrojen resultados inconsistentes. Por ello, adicionalmente optamos por implementar una estrategia de variables instrumentales, teniendo como instrumentos los precios de los alimentos en el período anterior a la fecha de medición de la CENAN. Para esto, siguiendo a Outes y otros (2011), tomamos como instrumentos la inflación de precios de cuatro grupos de alimentos: cereales, carnes, leches y derivados lácteos y tubérculos. Justificamos el instrumento tomando en cuenta que la inflación de los alimentos cuando niño afecta negativamente el estatus nutricional del mismo dadas mayores dificultades para alimentarse adecuadamente. Del mismo modo, este sería un shock exógeno al rendimiento educativo bajo el supuesto que los hogares son tomadores de precios y no forman parte de las variables de decisión al optimizar su consumo.

Operativamente, este método involucró estimar el siguiente modelo de dos etapas: en la primera se modela el estado nutricional de los niños en su infancia temprana como función de los precios (y otros regresores), y en la segunda se modela el rendimiento como función del estado nutricional predicho en la primera etapa. 20

𝑁𝑖𝑡−1 = 𝛽 + 𝐻𝐼𝑖𝑡′ 𝜏1 + 𝑆𝐼𝑖𝑡′ 𝜏2 + ∑4𝑗=1 𝑃𝑗𝑡−1 𝜎𝑗 + 𝐴𝑡 + Γ𝑡 + Δt + 𝜖𝑖𝑡 ′ 𝑅𝑖𝑡 = 𝑎 + 𝐻𝐼𝑖𝑡′ 𝜃1 + 𝑆𝐼𝑖𝑡′ 𝜃2 + 𝑁𝑖𝑡−1 𝜆 + 𝐴𝑡 + Γ𝑡 + Δt + 𝑒𝑖𝑡

(3) (4)

Donde 𝑷𝒋𝒕−𝟏 son los precios del grupo de alimentos j en el período acumulado anterior a la fecha de medición de la CENAN. La consistencia del estimador de variables instrumentales recae en dos supuestos. El primero es el supuesto de relevancia, el cual exige que los instrumentos estén correlacionados con el regresor endógeno. El segundo supuesto es el de exclusión, y exige que los instrumentos no se encuentren correlacionados directamente con el error de la ecuación principal (4) o la variable de resultado de interés (𝑅𝑖𝑡 ). En las siguientes secciones presentamos las pruebas correspondientes para validar estos supuestos.

5. Los datos1 Para el estudio se construyó una base de datos ad-hoc que permitiera vincular los resultados de los estudiantes de la Evaluación Censal de Estudiantes (ECE) de los años 2013 al 2015 con los datos del Módulo de Mediciones Antropométricas de la ENAHO (CENAN de los años 2008 al 2012). Es decir, se identificó la historia nutricional del niño que rindió la prueba en el año “x” (cuando tenía aproximadamente 7 años), siendo esta historia los indicadores antropométricos registrados cuando el niño tenía 0, 1, 2, 3, 4 o 5 años. La ECE es la evaluación que anualmente realiza el Minedu para medir los aprendizajes de todos los estudiantes de segundo grado de primaria del país. Evalúa aprendizajes esperados en matemática y lenguaje que un estudiante debería alcanzar de acuerdo al año académico que cursa. En la muestra, la distribución de los puntajes va de 237 a 810 en lenguaje y de 130 a 869 en matemática. El CENAN es un módulo antropométrico que excepcionalmente implementó el INEI a la población observada en la muestra de la ENAHO de los años 2008-2012. Reporta indicadores de talla, peso y hemoglobina. De esta base se obtuvo el indicador z-score talla/edad que se utiliza para medir el estado nutricional acumulativo hasta la fecha de toma de la información (también se utiliza para el cálculo de la tasa de desnutrición crónica). En acuerdo entre el INEI, el MINEDU, el CIES y Macroconsult estas bases fueron vinculadas para identificar el estado nutricional en los años 2008-2012 de los niños que rindieron la prueba ECE en los años 2013-2015, generando una base de datos única.

1

La presente versión de esta sección está siendo revisada junto con el INEI de modo que el lector tenga acceso al detalle completo de la construcción de la base de datos.

21

Los criterios de pegado fueron: (i) nombre similar entre ambas bases con una coincidencia superior a 80% en el número de caracteres; (ii) fecha de nacimiento similar con una discrepancia máxima de hasta 1 año; (iii) igual sexo; (iv) igual departamento/provincia y distrito de residencia/asistencia a la escuela. El pegado fue diseñado y monitoreado por los investigadores (incluido el control de la calidad), pero realizado por el equipo del INEI y MINEDU. El equipo investigador no tuvo acceso a las bases nominadas, sino únicamente a la base resultante innominada. De este modo se preservó el principio de confidencialidad que rige la estadística nacional. En total, la base pegada tuvo alrededor de 4,000 observaciones. Para el estudio, esta base fue depurada (se quitaron observaciones panel de la CENAN, aquellos que no tenían información antropométrica y del rendimiento educativo, y se forzó a tener niños con la misma fecha de nacimiento), por lo cual la base estimable finalmente tiene alrededor de 2,415 observaciones. En la tabla 3 se muestran las características de la base de datos construida año por año. Un primer elemento que llama la atención es que las características de la demanda adoptan valores muy similares entre años. En el caso de las variables de oferta ocurre algo similar con excepción de la proporción de alumnos con educación inicial, que ha pasado de 77% en 2013 hasta 87% en 2015. Esto es mérito de la gran expansión de la educación inicial que ha experimentado el país en tiempos recientes. Las tres últimas filas, por su parte, muestran los rendimientos promedio en la prueba ECE y el Z-score talla para la edad, que es nuestra medida de nutrición. Aquí sí se observa que los rendimientos en comunicación y matemática han crecido desde 549 hasta 590 y de 539 hasta 576, respectivamente. A la par, el indicador de nutrición ha pasado de un promedio de -0.79 hasta -0.73. La información presentada en la tabla es sugerente, pues bajo un modelo de función de producción estándar de la educación (ver Glewwe y Miguel 2008), significa que el único insumo (observable) que ha cambiado en este lapso es el estado nutricional de los alumnos y por tanto a este podría asociarse los cambios en los rendimientos educativos observados. En la última columna de la tabla 3 también se presentan algunas características del universo de estudiantes de primaria y secundaria con ánimo de ver qué tanto replica la muestra características de la población total, en particular a nivel de condiciones de oferta (las condiciones de demanda, al proceder de bases de datos diferentes, no se han podido reconstruir). Como se aprecia, para las variables en común, al parecer la muestra está levemente sesgada al ámbito rural y público, por lo cual las condiciones 22

de oferta son levemente más precarias. Como consecuencia de ello, los rendimientos son menores en la muestra que en el universo.

Tabla 3. Estadísticas descriptivas de la base de datos construida 2013 Sexo del alumno (1=mujer)

2014

2015

Todos

0.53 0.48 0.51 0.51 (0.50) (0.50) (0.50) (0.50) Edad del alumno 7.34 7.51 7.65 7.51 (0.50) (0.57) (0.57) (0.56) % Con inicial 0.77 0.73 0.87 0.79 (0.42) (0.44) (0.33) (0.41) % Padres con educación secundaria 0.39 0.37 0.38 0.38 (0.49) (0.48) (0.49) (0.49) % Padres con educación superior 0.20 0.20 0.19 0.20 (0.40) (0.40) (0.39) (0.40) Edad del padre 46.64 45.67 46.19 46.15 (12.68) (12.27) (12.53) (12.49) Alumnos por docente 31.50 32.39 31.65 31.86 (17.18) (17.68) (18.34) (17.76) % CCEE con servicios completos (agua de red, 0.62 0.63 0.62 0.62 desagüe de red y electricidad) (0.48) (0.48) (0.49) (0.49) % CCEE con biblioteca 0.54 0.59 0.54 0.56 (0.50) (0.49) (0.50) (0.50) Alumnos / carpeta 0.22 0.18 0.19 0.20 (0.37) (0.32) (0.35) (0.35) Alumnos / Sillas 0.90 0.86 0.84 0.86 (0.75) (0.67) (0.55) (0.66) Alumnos / Mesa 0.58 0.57 0.54 0.56 (0.56) (0.55) (0.39) (0.50) Rural 0.20 0.18 0.19 0.19 (0.40) (0.38) (0.39) (0.39) CCEE privado 0.21 0.19 0.19 0.20 (0.41) (0.39) (0.39) (0.40) Rendimiento en comunicación 549.53 571.29 590.94 571.43 (87.82) (89.20) (87.00) (89.56) Rendimiento en matemática 539.11 567.61 576.83 562.01 (115.07) (129.86) (109.93) (119.64) Z-score talla/edad (*) -0.79 -0.86 -0.73 -0.79 (1.28) (1.30) (1.45) (1.35) (*) Corresponde al valor del estudiante en su período de infancia temprana tomado en el CENAN Elaboración: Propia

Universo 2015 0.51 (0.13) 30.4 (18.20) 0.65 (0.47) 0.60 (0.47) 0.27 (0.43) 0.77 (0.63) 0.50 (0.48) 0.16 (0.36) 0.25 (0.43) 592 575 -

Finalmente, en el gráfico 4 se presentan algunas correlaciones bivariadas de los rendimientos en comprensión lectora y razonamiento lógico matemático. Esta es sólo una exploración inicial con ánimo de observar si la asociación entre variables contemporáneas de oferta y demanda, así como el estatus nutricional inicial, ocurre en las direcciones esperadas.

23

b) Puntaje en Matemática vs Nutrición

800

200

200

400

600

Rendimiento en Matemática

400

600

Rendimiento en Comunicación

800

1000

a) Puntaje en Comunicación vs nutrición

-5

0 Z-score talla/edad

5

-5

5

d) Puntaje en Matemática vs Oferta

200

200

400

600

Rendimiento en Matemática

800

800 400

600

Rendimiento en Comunicación

0 Z-score talla/edad

1000

c) Puntaje en Comunicación vs Oferta

-2

0 2 Indicador sintético de oferta

4

0 2 Indicador sintético de oferta

4

f) Puntaje en Matemática vs Nivel educativo de los padres

400 200

200

400

Rendimiento en Matemática

600

600

e) Puntaje en Comunicación vs Nivel educativo de los padres

-2

0

0

Rendimiento en Comunicación

Gráfico 4. Correlaciones bivariadas

Sin nivel

Primaria

Secundaria

Superior

Sin nivel

Primaria

Secundaria

Superior

Elaboración propia

Para ello, el indicador nutricional sigue siendo el z-score talla para le edad construida a partir de las tablas estandarizadas de la Organización Mundial de la Salud bajo la métrica del 2006. El indicador de demanda, se aproxima a partir del nivel educativo de los jefes de hogar, pues esta variable aproxima razonablemente las preferencias de los padres por la educación de sus hijos y, con ello, las inversiones que puedan realizar

24

sobre ellos. El indicador de oferta educativa se ha construido un índice sintético de oferta a partir de la siguiente fórmula general: ̅̅̅̅ 𝐻𝑗𝑘 −𝐻 𝑘 ) ̅̅̅̅̅̅ 𝑆𝐷 𝑘

1

𝑜𝑓𝑒𝑟𝑡𝑎𝑗 = 𝐾 ∑𝐾 𝑘=1 (

(5)

Donde 𝐻𝑗𝑘 es una característica 𝑘 de la oferta provista por el colegio 𝑗, ̅̅̅̅ 𝐻𝑘 es el valor ̅̅̅̅̅𝑘 el desvío estándar. En términos promedio de esta característica en la muestra y 𝑆𝐷 sencillos, este indicador expresa las características de modo estandarizado y los promedia a lo largo de la muestra. Las características utilizadas son las siguientes: (i) ratio alumnos/docente; (ii) una dummy que adopta el valor de 1 si la escuela tiene simultáneamente agua de red, desagüe de red o letrinas y electricidad; (iii) si tiene biblioteca;

(iv)

Ratio

alumnos/carpetas;

(v)

Ratio

alumnos/sillas;

(vi)

ratio

alumnos/mesas.

Los gráficos muestran claramente que las correlaciones tienen las direcciones esperadas, pues tanto el indicador nutricional, como el indicador sintético de oferta y demanda

se

correlacionan

positivamente

con

los

rendimientos

educativos.

Preliminarmente, se puede concluir que el grado de asociación con el estatus nutricional es más claro, aunque esta conjetura debe verificarse con el modelo multivariado diseñado.

6. Resultados Esta sección presenta los resultados de la implementación de las metodologías anteriores. Para ello, primero se presentan los resultados de mínimos cuadrados ordinarios, y luego los hallazgos bajo variables instrumentales. En la tabla 4 presenta los resultados de mínimos cuadrados ordinarios después de la implementación de la especificación (1). En la especificación base, las regresiones sólo incluyen controles de gestión de escuela (pública o privada) y ámbito de residencia de residencia (urbano o rural), además de efectos fijos por año de nacimiento del estudiante, año de medición de la CENAN y año de realización de la ECE. Con esto controlamos por choques globales temporales que hayan ocurrido en cada período y afecten de modo diferenciado a los estudiantes. Los resultados de esta especificación base se presentan en la columna (1) y (5) de la siguiente tabla. Como se aprecia, el parámetro de interés asociado a la variable z-score talla para la edad es de 14.31 para comprensión lectora y 18.00 para razonamiento matemático. Considerando estos 25

parámetros como efectos marginales del estatus nutricional sobre el rendimiento académico, y considerando los valores promedio muestrales de 571 en comunicación y 562, significa impactos del orden de 2.5% y 3.2%. Tabla 4. Resultados de Mínimos cuadrados ordinarios (1) Z score - Talla/Edad

Comprensión Lectora (2) (3)

(4)

(5)

Razonamiento Matemático (6) (7)

(8)

14.31***

13.53***

11.40***

10.71***

18.00***

17.14***

14.44***

14.02***

(1.60)

(1.59)

(1.57)

(1.61)

(2.21)

(2.20)

(2.22)

(2.28)

483.09***

499.81***

457.29***

431.13***

500.17***

433.11***

394.66***

357.67***

(25.32)

(48.84)

(49.09)

(49.91)

(20.59)

(66.02)

(65.68)

(65.75)

Observaciones

2,413

2,413

2,413

2,285

2,414

2,414

2,414

2,286

R-squared

0.194

0.212

0.234

0.241

0.120

0.132

0.153

0.162

No

Si

Si

Si

No

Si

Si

Si

Constante

Controles del estudiante

Controles del hogar No No Si Si No No Si Si Controles de la oferta No No No Si No No No Si Errores estándar clustereados a nivel de código modular entre paréntesis. *** p